i SKRIPSI
Oleh:
NURLAELATUL HASANAH NIM. 15650093
COVER
PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM MALANG
2022
ii
SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN SEPEDA MOTOR LISTRIK MENGGUNAKAN
METODE AHP-TOPSIS
HALAMAN JUDUL
SKRIPSI
Oleh:
NURLAELATUL HASANAH NIM. 15650093
Diajukan kepada:
Universitas Islam Negeri (UIN) Maulana Malik Ibrahim Malang Untuk memenuhi salah satu persyaratan dalam
Memperoleh gelar Sarjana Komputer (S. Kom)
PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM MALANG
2022
iv
v
vi
HALAMAN MOTTO
َةَرِخلأْا َداَرأ ْنَمَو ِمْلِعلِْبِ ِهْيَلَعَ ف اَيْ نُّدلا َداَرَأ ْنَم ْنَمَو ِمْلِعلِْبِ ِهْيَلَعَ ف
ِمْلِعلِْبِ ِهْيَلَعَ ف اَمهَُداَرأ
“Siapapun yang menghendaki (keberhasilan) dunia maka ia harus berilmu, Siapapun yang menghendaki (keberuntungan) akhirat, ia pun harus berilmu, dan
siapapun yang menghendaki keduanya, tentu ia harus berilmu.”
vii
َيِمَلاعْلا ِِّبَر ِهللَّ مدْمَْلَْا
Puji syukur penulis panjatkan kehadirat Allah SWT atas segala limpahan dan karunia-Nya, sehingga penulis dapat menyusun dan menyelesaikan tugas Skripsi dengan judul “Sistem Pendukung Keputusan Pembelian Sepeda Motor Listrik Menggunakan Metode AHP-TOPSIS”.
Terimakasih penulis sampaikan kepada kedua Orang Tua Ibu Narti dan Bapak Dulhaeri, serta suami tercinta Amin Nadirin, A.Md dan Keluarga besar yang selalu memberikan cinta, kasih sayang, motivasi, doa, harapan dan arahan yang luar biasa bagi penulis dalam menyelesaikan tugas Skripsi.
Terimakasih pula penulis sampaikan kepada Bapak Syahiduz Zaman, M.Kom selaku dosen pembimbing pertama dan Bapak Supriyono, M.Kom selaku pembimbing kedua yang selalu sabar meluangkan tenaga, pikiran, dan waktu serta sat set meberikan respon untuk memberikan bimbingan dan arahan kepada penulis hingga penulis dapat menyelesaikan tugas skripsi dengan lancar. Serta kepada Bapak Fatchurrohman, M.Kom dan Bapak Agung Teguh Wibowo Almais, M.T selaku dewan penguji dalam sidang skripsi dalam penelitian ini sehingga dapat menjadikan penelitian ini lebih baik.
Tidak lupa penulis ucapkan terimakasih kepada pihak-pihak yang telah banyak membantu, terutama bestie yang telah banyak memotivasi dan rekan-rekan seperjuangan Program Studi Teknik Informatika 2015 UIN Maulana Malik Ibrahim Malang serta orang-orang yang tidak dapat disebutkan satu per satu yang telah memberikan doa, motivasi dan semangat yang tiada henti dalam menyelesaikan penelitian ini.
viii
KATA PENGANTAR
Dengan menyebut nama Allah subhanahu wa ta’ala, Tuhan semesata alam yang Maha Pengasih lagi Maha Penyayang penulis memanjatkan rasa syukur kehadirat- Nya, yang telah melimpahkan rahmat, hidayah, dan begitu banyak kenikmatan yang tidak sanggup satu orang pun untuk menghitungnya, sehingga penulis dapat menyelesaikan tugas akhir ini dengan baik. Shalawat beriringkan salam semoga selalu tersampaikan kepada Nabi Muhammad shalallahu ‘alaihi wa sallam sebagai panutan bagi seluruh umat manusia, semoga kita semua mendapatkan syafaat beliau di hari akhir nanti.
Penulis menyadari pada penyusunan tugas akhir skripsi ini tentunya melibatkan dukungan, bantuan dan bimbingan dari berbagai pihak, oleh karena itu penulis mengucapkan terima kasih kepada:
1. Prof. Dr. M. Zainuddin, MA selaku rektor Universitas Islam Negeri Maulana Malik Ibrahim Malang.
2. Dr. Sri Hariani, M.Si selaku dekan Fakultas Sains dan Teknologi Universitas Islam Negeri Maulana Malik Ibrahim Malang.
3. Dr. Fachrul Kurniawan, S.T., M.MT., IPM selaku Ketua Program Studi Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Maulana Malik Ibrahim Malang
4. Syahiduz Zaman, M.Kom selaku dosen pembimbing pertama yang telah meluangkan waktuya untuk membimbing dan memberikan arahan.
5. Supriyono, M.Kom selaku dosen pembimbing kedua yang telah memberikan yang telah meluangkan waktuya untuk membimbing dan memberikan arahan.
6. Fatchurrohman, M.Kom selaku dosen penguji pertama yang telah berkenan mengoreksi dan memberikan saran untuk kebaikan penulis.
7. Agung Teguh Wibowo Almais, M.T selaku dosen penguji kedua yang telah berkenan mengoreksi dan memberikan saran untuk kebaikan penulis.
8. Dr. Yunifa Miftachul Arif , M.T selaku dosen wali yang selalu memberikan motivasi dan saran untuk kebaikan penulis.
ix
10. Segenap civitas akademik Program Studi Teknik Informatika Fakultas Sains dan Teknologi UIN Maulana Malik Ibrahim Malang.
11. Kedua Orang Tua, Suami dan seluruh Keluarga Besar yang senantiasa mendoakan dan mendukung.
12. Rekan-rekan seperjuangan Teknik Informatika 2015 Fakultas Sains dan Teknologi UIN Maulana Malik Ibrahim Malang serta eluruh pihak yang terlibat secara langsung maupun tidak langsung, yang mana namanya tidak dapat penulis sebutkan satu per satu, semoga Allah balas dengan kebaikan yang tidak ada habisnya, aamiin
Dengan segala kerendahan hati penulis menyadari dalam penyusunan skripsi ini masih jauh dari kesempurnaan. Oleh karena itu, penulis selalu menerima kritik dan saran yang konstruktif dari pembaca. Semoga karya ini dapat bermanfaat dan dipergunakan semestinya bagi seluruh pihak.
Malang, Desember 2022
Penulis
x DAFTAR ISI
COVER ... i
HALAMAN JUDUL ... ii
HALAMAN PERSETUJUAN ... iii
HALAMAN PENGESAHAN ... iv
PERNYATAAN KEASLIAN TULISAN ... v
HALAMAN MOTTO ... vi
HALAMAN PERSEMBAHAN ... vii
KATA PENGANTAR ... viii
DAFTAR ISI ... x
DAFTAR GAMBAR ... xii
DAFTAR TABEL ... xiii
ABSTRAK ... xiii
ABSTRACT ... xv
صخلم ... xvi
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 5
1.3 Batasan Masalah... 5
1.4 Tujuan Penelitian ... 5
1.5 Manfaat Penelitian ... 6
1.6 Sistematika Penulisan ... 6
BAB II STUDI PUSTAKA ... 8
2.1 Kendaraan Listrik ... 8
2.2 Sepeda Motor Listrik... 10
2.3 Sistem Pendukung Keputusan ... 11
2.4 Metode AHP-TOPSIS ... 14
2.4.1 AHP (Analytical Hierarchy Process) ... 14
2.4.2 TOPSIS ... 20
2.5 Pengujian Sistem ... 23
BAB III METODOLOGI PENELITIAN ... 25
3.1 Desain Sistem ... 25
3.2 Sumber Data Penelitian ... 27
3.2.1 Alternatif ... 27
3.2.2 Kriteria ... 27
3.3 Pembobotan Kriterai Menggunakan AHP ... 28
3.3.1 Data kriteria ... 30
3.3.2 Perhitungan Skala Prioritas Kriteria ... 30
xi
3.3.6 Nilai Konsistensi ... 34
3.4 Perangkingan Alternatif menggunakan TOPSIS ... 36
3.4.1 Perbandingan Alternatif Kriteria ... 37
3.4.2 Normalisasi matrik TOPSIS ... 40
3.4.3 Matrik Normalisasi Terbobot ... 40
3.4.4 Solusi Ideal Positif dan Negatif ... 41
3.4.5 Jarak Alternatif dengan Solusi Ideal ... 41
3.4.6 Nilai Preferensi ... 42
3.5 Pengujian Sistem ... 42
BAB IV UJI COBA DAN PEMBAHASAN ... 44
4.1 Langkah Uji Coba ... 44
4.2 Hasil Uji Coba ... 46
4.3 Pembahasan ... 56
BAB V PENUTUP ... 58
5.1 Kesimpulan ... 58
5.2 Saran ... 58 DAFTAR PUSTAKA
xii
DAFTAR GAMBAR
Gambar 2.1 Struktur Hirarki AHP ... 18
Gambar 3.1 Blok diagram Sistem yang diusulkan ... 25
Gambar 3.2 Flowchart Metode AHP ... 29
Gambar 3.3 Hasil Survey Responden ... 37
Gambar 3.3 Flowchart Metode TOPSIS ... 37
Gambar 4.1 Halaman konfigurasi nilai tingkat kepentingan ... 48
Gambar 4.2 Halaman konversi nilai matriks perbandingan metode AHP ... 49
Gambar 4.3 Halaman normalisasi matriks perbandingan metode AHP ... 50
Gambar 4.4 Halaman perhitungan nilai eigen... 51
Gambar 4.5 Halaman perhitungan nilai lambda maksimal ... 51
Gambar 4.6 Halaman nilai matriks perbandingan alternatif kriteria... 52
Gambar 4.7 Halaman nilai matriks perbandingan alternatif kriteria... 53
Gambar 4.8 Halaman nilai matriks perbandingan alternatif kriteria terbobot ... 54
Gambar 4.9 Halaman nilai solusi ideal positif dan solusi ideal negatif ... 55
Gambar 4.10 Halaman nilai jarak positif dan jarak negatif ... 56
Gambar 4.11 Halaman perhitungan nilai preferensi dan perankingan ... 57
xiii
Tabel 2.1 Penyusunan Matriks Berpasangan ... 18
Tabel 2.2 Nilai Perbandingan Berpasangan ... 18
Tabel 2.3 Nilai Random Indeks ... 20
Tabel 3.1 Tabel Merk Sepeda Motor Listrik ... 27
Tabel 3.2 Tabel Kriteria Sepeda Motor Listrik ... 28
Tabel 3.3 Tabel Hasil Survey Responden ... 31
Tabel 3.4 Tabel Matriks Perbandingan 𝐴𝑚𝑥𝑛 ... 31
Tabel 3.5 Tabel Matriks Perbandingan Berpasangan AHP ... 33
Tabel 3.6 Tabel Normalisasi Matriks ... 33
Tabel 3.7 Tabel Nilai Eigen ... 34
Tabel 3.8 Tabel Nilai Uji Konsentrasi ... 35
Tabel 3.9 Tabel Harga Sepeda Motor Listrik (K1) ... 38
Tabel 3.10 Tabel Daya Angkut Sepeda Motor Listrik (K2) ... 38
Tabel 3.11 Tabel Daya Motor Sepeda Motor Listrik (K3) ... 38
Tabel 3.12 Tabel Jenis Baterai (K4) ... 38
Tabel 3.13 Tabel Daya Jelajah (K5) ... 39
Tabel 3.14 Tabel Lama Pengisian Baterai (K6) ... 39
Tabel 3.15 Tabel Kecepatan Maksimum (K7) ... 39
Tabel 3.16 Tabel Matriks Perbandingan Alternatif Kriteria ... 40
Tabel 3.17 Tabel Normaliasi Matriks ... 40
Tabel 3.18 Tabel Normalisasi Terbobot... 40
Tabel 3.19 Tabel Solusi Ideal Positif dan Negatif ... 41
Tabel 3.20 Tabel Nilai Separation Measure ... 41
Tabel 3.21 Tabel Nilai Preferensi ... 41
Tabel 4.1 Matriks perbandingan kriteria berpasangan ... 48
Tabel 4.2 Konversi nilai matriks perbandingan metode AHP ... 49
Tabel 4.3 Normalisai matriks perbandingan metode AHP ... 42
Tabel 4.4 Hasil nilai eigen ... 50
Tabel 4.5 Nilai lambda maksimal ... 51
Tabel 4.6 Matriks perbandingan alternatif kriteria ... 52
Tabel 4.7 Matriks perbandingan alternatif kriteria ternormalisasi ... 53
Tabel 4.8 Matriks perbandingan alternatif terbobot ... 54
Tabel 4.9 Nilai solusi ideal positif dan negatif ... 55
Tabel 4.10 Nilai jarak positif dan negatif ... 56
Tabel 4.11 Nilai preferensi setiap alternatif ... 57
Tabel 4.12 Hasil perankingan oleh ahli ... 58
xiv ABSTRAK
Hasanah, Nurlaelatul. 2022. Sistem Pendukung Keputusan Pembelian Sepeda Motor Listrik menggunakan Metode AHP-TOPSIS. Skripsi. Program Studi Teknik Informatika, Fakultas Sains Dan Teknologi, Universitas Islam Negeri Maulana Malik Ibrahim Malang. Pembimbing: (I) Syahiduz Zaman, M.Kom. (II) Supriyono, M.Kom.
Kata Kunci: Sistem Pendukung Keputusan, Sepeda Motor Listrik, Analytical Hierarchy Process, Technique for Other Reference by Similarity to Ideal Solution, AHP-TOPSIS
Transportasi dengan bahan bakar minyak memberikan dampak yang besar, seperti kelangkaan energi dan pencemaran yang berakibat pemanasan globlal. Saat ini dunia global sedang berusaha untuk sebisa mungkin mengurangi konsumsi bahan minyak. Saalah satu solusinya dengan memproduksi kendaraan transportasi berbasis berbasis energi listrik.
Energi listrik bisa di dapat dari berbagai sumber di alam seperti air, angin, surya dll.
Penggunaan ebnergi listrik juga menghindarkan dari kelangkaan energi dan tentunya tidak menyebabkan polusi. Produk kendaraan listrik salah satunya sepeda motor listrik mulai tersebar ke dunia begitu juga Indonesia meskipun masih terbatas dan jumlahnya sedikit.
Sepeda motor listrik bahkan di kalangan masyarakat masih begitu awam dan kurang pengetahuannya. Oleh karena itu tak jarang masyarakat yang hendak membeli motor listrik kebingungan untuk memilih sepeda motor seperti apa yang akan mereka beli. Kebanyakan masyarakat hanya tahu salah satu kriteria untuk membeli sepeda motorlistrik hanya melihat dari harga. Padahal masih banyak kriteria yang harus dipertimbangkan seperti kecepatan, baterai, jarak tempuh dll. Dalam penelitian ini Metode Analytical Hierarchy Process yang biasa dikenal dengan AHP dan Technique For Other Reference by Similarity to Ideal Solution atau TOPSIS dipilih untuk diterapkan. Metode AHP digunakan untuk mendapatkan nilai bobot untuk setiap kriteria, yang selanjutnya penggunaan dengan metode TOPSIS digunakan untuk melakukan proses perankingan dan pengambilan keputusan dengan cara mendapatkan alternatif terbaik dari beberapa alternatif yang ada.
Metode TOPSIS dipilih karena mudah dipahami dan sederhana, komputasinya efesien, dan mempunyai kemampuan mengukur kinerja relatif dan alternatif-alternatif keputusan. Hasil dari penelititan yang menggunakan metode AHP-TOPSIS hasil nilai akurasi sebesar 70%
menunjukan bahwa metode ini memang lumayan layak untuk digunakan pada penelitian ini. Metode AHP-TOPSIS ini memberikan output yang tidak terlalu jelek dan tidak terlalu bagus. Hal ini disebabkan karena masih banyak urutan perankingan yang tidak sesuai dengan pilihan para ahli. Banyaknya ketidaksesuaian tersebut disebabkan karena beberapa ahli memiliki prioritas yang berbeda dalam menentukan preferensi motor listrik. Hal ini juga disebabkan karena metode AHP sangat mengandalkan input pertama / dasar prioritas kriteria yang begitu riskan akan subyektifiasnya.
xv
Hasanah, Nurlaelatul. 2022. Decision Support System for Buying Electric Motorcycles using the AHP-TOPSIS Method. Undergraduate thesis. Informatics Engineering Study Program, Faculty of Science and Technology, State Islamic University of Maulana Malik Ibrahim Malang. Supervisors: (I) Syahiduz Zaman, M.Kom. (II) Supriyono, M.Kom.
Keywords: Decision Support System, Electrical Motorcycle, Analytical Hierarchy Process, Technique for Other Reference by Similarity to Ideal Solution, AHP-TOPSIS
Transportation with fuel oil has a big impact, such as energy crisis and pollution that causes global warming. Currently the global world is trying to reduce the consumption of oil as much as possible. One solution is to produce transportation vehicles based on electrical energy. Electrical energy can be obtained from various sources in nature such as water, wind, solar etc. The use of electricity also avoids energy crisis and certainly does not cause pollution. Electrical vehicle products, that the one is electric motorcycle, are starting to spread to the world as well as Indonesia, although they are still limited and in small numbers. Even among the people, electric motorcycle is still so uncommon and lack knowledge. Therefore, it is not uncommon for people who want to buy an electric motorcycle to be confused about what kind of motorcycle they will buy. Most people only know one of the criteria for buying an electric motorcycle, just looking at the price. Even though there are still many criteria that must be considered such as speed, battery, mileage etc. In this study, the Analytical Hierarchy Process method, commonly known as AHP and Technique for Other Reference by Similarity to Ideal Solution or TOPSIS, were chosen to be applied. The AHP method is used to obtain weight values for each criterion, then used with the TOPSIS method is to carry out the ranking process and decision making by obtaining the best alternative from several existing alternatives. The TOPSIS method was chosen because it is easy to understand and simple, computationally efficient, and has the ability to measure relative performance and decision alternatives. The results of research using the AHP-TOPSIS method yield an accuracy value of 70% indicating that this method is indeed quite feasible to use in this study. This AHP-TOPSIS method gives output that is not too bad and not too good. This is because there are still many ranking orders that are not in accordance with the choices of experts. The number of discrepancies is caused by several experts having different priorities in determining the preferences of electric motorcycle. This is also because the AHP method relies heavily on the first input / basis of priority criteria which is so risky with its subjectivity.
xvi صخلم
.ةليل رون ،ةنسلحا ٢٠٢٢
. ةقيرطب ةيئبارهك ةيرنا تاجارد ءارشل رارقلا معد ماظن AHP-TOPSIS
. جمنارب .سويرولاكبلا ةحورطأ
، ايجولونكتلاو مولعلا ةيلك ، ةيتامولعلما ةسدنه ةسارد لجا
ةعما ةيموكلحا ةيملاسلإا
( :فرشلما .جنلاام ميهاربإ كلام نالاوم I
)
ترسجالما نامزلا ديهش (II)
ترسجالما ونويرفوس
:ةيحاتفلما ةملكلا ، ةيئبارهك ةيرنا ةجارد ، رارقلا معد ماظن
Analytical Hiearchy Process
، Technique forOther
Reference by Similarity to Ideal Solution, AHP-TOPSIS ليلقت اًيلاح يلماعلا لماعلا لوايح .يرارلحا سابتحلاا ببسي يذلا ثولتلاو ةقاطلا ةمزأ لثم ، يربك يرثتأ هل دوقولا تيزب لقنلا
ةيئبارهكلا ةقاطلا ىلع لوصلحا نكيم .ةيئبارهكلا ةقاطلا ىلع دمتعت لقن تابكرم جاتنإ وه لوللحا دحأ .ناكملإا ردق طفنلا كلاهتسا ةيعيبط رداصم نم
ةيسمشلا ةقاطلاو حيارلاو هايلما لثم ةفلتمخ يرغو
ديكأتلباو ةقاطلا تامزأ بنجتي ءبارهكلا مادختسا نأ امك .كلذ
راشتنا ، ةيئبارهك ةيرنا ةجارد اهدحأ ، ةيئبارهكلا تارايسلا تاجتنم تأدب .ثولتلا ببسي لا ا
مغرلا ىلع ، ايسينودنإ كلذكو لماعلا في
بأو ةدودمح لازت لا انهأ نم ا تاجاردلا لازت لا ، سانلا ينب تىح .ةيرغص دادع
ل ةيران كلذل .ةفرعلما لىإ رقتفتو اًدج ةعئاش يرغ ةيئبارهكلا
نهوترشيس تيلا ةيرانلا ةجاردلا عون نأشب كابترلابا ةيئبارهك ةيرنا ةجارد ءارش في نوبغري نيذلا صاخشلأا رعشي نأ فولألما يرغ نم سيل .ا
دحأ طقف سانلا مظعم فرعي
نم ديدعلا كانه لازي لا هنأ نم مغرلا ىلع .رعسلا لىإ رظنلبا طقف ، ةيئبارهك ةيرنا ةجارد ءارش يرياعم
و ةعوطقلما ةفاسلماو ةيراطبلاو ةعرسلا لثم اتهاعارم بيج تيلا يرياعلما يرغ
رايتخا تم ، ةساردلا هذه في .كلذ Analytical
Hierarchy Process
مسبا ةفورعلماو ، AHP
و Technique for Other References by Similarity to
Ideal Solution وأ
TOPSIS ةقيرط مادختسا متي .اهقيبطت متيل ،
متي ثم ، رايعم لكل نزولا ميق ىلع لوصحلل AHP
اهمادختسا ب
ةقيرط TOPSIS لئادب ةدع نم ليدب لضفأ ىلع لوصلحا للاخ نم رارقلا ذاتخاو فينصتلا ةيلمع ذيفنتل
تم .ةدوجوم
ةقيرط رايتخا TOPSIS
لئادب ذاتخاو بيسنلا ءادلأا سايق ىلع ةردقلا اهيدلو ةيباسلحا ةيحانلا نم ةلاعفو ةطيسبو مهفلا ةلهس انهلأ
ةقيرط مادختسبا ثحبلا جئاتن .رارقلل AHP-TOPSIS
غلبت ةقد ةميق يطعت ٧٠
لعفلبا ةيدمج ةقيرطلا هذه نأ لىإ يرشي امم ٪
ه في مادختسلال ةقيرط يطعت .ةساردلا هذ
AHP-TOPSIS لا هنلأ اذه .اًدج ةديج تسيلو ةياغلل ةئيس تسيل تاجرمخ هذه
مهيدل نيذلا ءابرلخا نم ديدعلا لىإ تاضقانتلا ددع عجري .ءابرلخا تارايتخا عم قفاوتت لا تيلا بيتترلا رماوأ نم ديدعلا كانه لازي ا تاجاردلا تلايضفت ديدتح في ةفلتمخ تياولوأ ةقيرط نلأ اًضيأ اذه .ةيئبارهكلا ةيرانل
AHP / تلاخدلما ىلع يربك لكشب دمتعت
اهتيصخش عم رطاخلمبا ةفوفمح برتعت تيلا ةيولولأا يرياعلم لولأا ساسلأا .
1 BAB I PENDAHULUAN
1.1 Latar Belakang
Zaman terus berjalan hingga sampailah kita pada era globalisasi saat ini. Saat ini ketersediaan bahan bakar fosil dan gas yang terkadang langka menyebabkan keterpurukan pada industri kecil dan menengah. Kelangkaan pasokan bahan bakar fosil juga menyebabkan masyarakat di daerah tersebut menjadi tertinggal.
Kebutuhan energi saat ini, terutama energi listrik (merupakan energi yang mudah diubah ke bentuk energi yang lain) terus meningkat dengan cepat, bahkan di luar estimasi. Hal ini sudah selayaknya karena menjadi dampak meningkatnya seluruh aktivitas kehidupan yang memerlukan energi listrik (Manan, 2009).
Sekitar 32,7% konsumsi energi rakyat Indonesia pada tahun 2011 berasal dari Bahan Bakar Minyak (BBM). Ini lebih dari tingkat kedua konsumsi bahan bakar yakni biomassa sebesar 25,1 persen. Dengan kelangkaan BBM, bukan tidak mungkin ketergantungan yang tinggi terhadap BBM ini akan menimbulkan krisis energi. Di Indonesia, peningkatan konsumsi BBM setiap tahunnya tidak terlepas dari peningkatan jumlah kendaraan setiap tahunnya (Subekti et al., 2014).
Namun pada tahun 2004, produksi BBM turun menjadi sekitar 1,1 juta barel per hari sedangkan konsumsi BBM meningkat lebih dari 1,2 juta barel per hari. Oleh karena itu, dari tahun 2004 kebutuhan atau konsumsi BBM di Indonesia lebih tinggi
2
dari produksi BBM itu sendiri. Jika hal ini terus berlanjut tanpa ada solusi, maka tidak menutup kemungkinan suatu saat akan terjadi krisis energi di Indonesia akibat ketergantungan pola konsumsi energi yang sebagian besar berasal dari bahan bakar minyak. Untuk mencegahnya, harus dilakukan upaya untuk mengurangi konsumsi BBM, khususnya di sektor transportasi. Pasalnya, sektor transportasi menempati urutan teratas konsumsi BBM dengan pangsa 60 persen dibanding sektor rumah tangga, industri, bisnis dan lainnya, sektor transportasi. (Subekti et al., 2014).
Sepeda motor adalah salah satu dari sekian alat transportasi yang begitu praktis, cepat dan lincah lalu murah dengan berbagai macam fasilitas kredit yang ada saat ini. Berdasarkan data Badan Pusat Statistik yang bersumber dari Korlantas Polri, perkembangan jumlah kendaraan bermotor khususnya sepeda motor pada tahun 2016 sudah mencapai angka 105.150.082 unit. Sepeda motor menjadi solusi dikarenakan dengan nominal rupiah yang terbilang kecil namun dapat menunjang penggunaan harian masyarakat pulang-pergi dengan efektif-efisien. Tetapi jika penulis tinjau dari jumlah yang diperkirakan terus meningkat dari data tahun ke tahun Badan Pusat Statistik tentu hal ini akan menjadi suatu masalah lingkungan, yaitu polusi (Setiawan et al., 2019).
Bahan bakar yang digunakan oleh kendaraan bermotor adalah energi fosil yang diperoleh dari pengolahan sumur minyak, ladang gas dan tambang batu bara.
Sumber energi hulu yaitu bahan bakar mentah diolah menjadi bahan bakar cair dan gas dengan efisiensi yang sangat tinggi sekitar 92%. Di sisi hilir, sebaliknya, hanya 15% energi yang terkandung dalam bahan bakar cair atau gas yang diserap kendaraan dalam bentuk energi penggerak kinetik, sedangkan 85% energi sisanya
diubah menjadi energi panas. Total efisiensi energi dari sumber energi ke kendaraan sekitar 14%. (Subekti et al., 2014).
Allah SWT berfirman pada Q.S Al-Isra Ayat 27 yang berbunyi:
ْوُ ناَك َنْيِرِ ذَبُمْلا َّنِا اًرْوُفَك هِ بَرِل ُنٰطْيَّشلا َناَكَوۗ ِْينِطٰيَّشلا َناَوْخِا ا
“Sesungguhnya orang-orang yang pemboros itu adalah saudara setan, dan serah itu sangat ingkar kepada Tuhannya” (Q.S. Al-Isra:27).
Ayat tersebut menjelaskan bahwa Allah SWT mencela perbuatan membelanjakan harta secara boros, perbuatan menghambur-hamburkan harta dll.
Allah SWT menyatakan, sesungguhnya orang-orang yang boros itu adalah saudara setan, mereka berbuat boros dalam membelanjakan harta karena dorongan nafsu &
setan, oleh karena itu, perilaku boros termasuk sifat setan, sifat yang tercela dan setan itu adalah sangat ingkar kepada nikmat dan anugerah tuhannya.
Sepeda motor listrik yang ditawarkan oleh pihak produsen sepeda motor listrik global cukup menarik perhatian pengendara masa ini. Awalnya konsumen memilih motor bebek, namun kini beberapa mulai beralih ke sepeda motor listrik terbaik.
Sepeda motor listrik mendapat sambutan baik di kalangan masyarakat dunia dan mulai banyak penggunanya. Banyak pilihan sepeda motor dengan berbagai style yang unik, seperti sport dengan desain, harga, dan keiritan bahan bakar yang beranekaragam. Contoh sepeda listrik yang beredar di pasaran Indonesia yaitu Gesits, Honda, Yamaha, dan Smoot Tempur. Karena mulai banyak produsen sepeda motor listrik maka tidak sedikit konsumen yang merasa bingung ketika ingin membeli sepeda motor yang sesuai dengan keinginan dan kebutuhannya (Korlantas Kapolri, 2018).
4
Sistem Pendukung Keputusan bisa digunakan untuk membantu masyarakat dalam memilih sepeda motor listrik terbaik berdasarkan budget yang dipunyai oleh seorang konsumen, seseorang yang masih awam rata-rata hanya memilih sepeda motor dengan melihat merk tertentu karena harga jualnya, namun kebanyakan tidak menyadari spesifikasi masing-masing kriteria yang dimiliki oleh sebuah sepeda motor. Sistem Pendukung Keputusan memungkinkan interaksi antara user dengan sistem yang memiliki basis pengetahuan dan prosedur untuk memilih solusi terbaik yang diharapkan.
Meninjau dari berbagai alasan yang telah disebutkan, maka perlu dibangun sebuah sistem pendukung keputusan yang bisa digunakan oleh pembeli yang dapat membantu dalam menyeleksi sepeda motor listrik dengan rekomendasi terbaik sesuai dengan keinginan konsumen. Dalam penelitian ini Metode Analytical Hierarchy Process yang biasa dikenal dengan AHP dan Technique For Other Reference by Similarity to Ideal Solution atau TOPSIS dipilih untuk diterapkan.
Metode AHP digunakan untuk mendapatkan nilai bobot untuk setiap kriteria, yang selanjutnya penggunaan dengan metode TOPSIS digunakan untuk melakukan proses perankingan dan pengambilan keputusan dengan cara mendapatkan alternatif terbaik dari beberapa alternatif yang ada.
Menurut Ahmad Chamid & Murti (2017), Metode AHP mempunyai kekurangan, dimana AHP tidak efektif jika diterapkan untuk menyelesaikan kasus dengan jumlah kriteria dan alternatif yang banyak, sehingga diperlukan metode lain yang bisa dikombinasikan dengan metode AHP yakni metode TOPSIS. Metode TOPSIS dipilih karena mudah dipahami dan sederhana, komputasinya efesien, dan
mempunyai kemampuan mengukur kinerja relatif dan alternatif-alternatif keputusan. Perangkingan alternatif merk sepeda motor listrik dilakukan berdasarkan pendapat ahli. Berdasarkan latar belakang tersebut, maka dalam penelitian ini mengusulkan proposal skripsi berjudul “Sistem Pendukung Keputusan Pembelian Sepeda Motor Listrik Menggunakan Metode AHP-TOPSIS”.
1.2 Rumusan Masalah
Berdasarkan dari paparan latar belakang di atas, maka peneliti merumuskan permasalahan pada penelitian ini, yaitu:
1. Bagaimana membangun sistem pendukung keputusan pembelian sepeda motor listrik dengan metode AHP-TOPSIS
2. Berapa besar tingkat akurasi keputusan pembelian sepeda motor listrik menerapkann metode AHP-TOPSIS.
1.3 Batasan Masalah
Adapun batasan masalah dalam penelitian ini agar penelitian menjadi terarah dan tidak melenceng adalah:
1. Kriteria yang dilibatkan dalam aplikasi ini berupa: Harga, Daya angkut, Jenis Baterai, Daya motor, Daya Jelajah Baterai, Kecepatan maksimum dan Waktu Pengisian Baterai.
2. Alternatif yang diambil bersumber dari website penyedia motor listrik.
1.4 Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah sebagai berikut:
6
1. Membangun sistem pendukung keputusan pembelian sepeda motor listrik dengan metode AHP-TOPSIS
2. Mengetahui seberapa besar tingkat akurasi keputusan pembelian sepeda motor listrik menggunakan metode AHP-TOPSIS
1.5 Manfaat Penelitian
Manfaat yang ditawarkan dalam penelitian ini adalah :
1. Manfaat teoritis adalah memberikan kontribusi keilmuan terkait bagaimana cara membuat sistem pendukung keputusan pembelian sepeda motor listrik menggunakan 2 kombinasi metode yaitu AHP-TOPSIS.
2. Maanfaat praktis adalah memudahkan calon konsumen untuk mendapatkan rekomendasi sepeda motor listrik terbaik yang sesuai dengan kebutuhan.
1.6 Sistematika Penulisan
Penelitian ini tersusun dalam sistematika yang terdiri dari beberapa bab pembahasan sebagai berikut:
BAB I PENDAHULUAN
Membahas tentang latar belakang penelitian, pertanyaan penelitian, batasan masalah, tujuan penelitian, hipotesis, manfaat penelitian, batasan masalah dan sistematika penulisan.
BAB II STUDI PUSTAKA
Membahas tentang literatur review dan penelitian terdahulu yang telah dilakukan tentang Sistem pendukung keputusan menggunakan metode AHP TOPSIS.
BAB III METODOLOGI PENELITIAN
Membahas tentang metode yang menerapkan penggunaan metode AHP TOPSIS yang diterapkan pada aplikasi Sistem pendukung keputusan pembelian motor listrik.
BAB IV HASIL DAN PERANCANGAN
Merupakan hasil pengolahan data yang dilakukan pada penelitian ini dalam pendukung keputusan menggunakan metode AHP TOPSIS.
BAB V KESIMPULAN
Membahas isi kesimpulan dari penelitian ini, serta saran yang sangat bermanfaat untuk penelitian ini di masa yang akan datang.
8 BAB II STUDI PUSTAKA
2.1 Kendaraan Listrik
Kendaraan listrik merupakan alat transportasi yang diperkirakan ramah lingkungan dan diharapkan bisa menyebabkan penghematan energi dan biaya dalam jangka panjang. Namun penggunaan sepeda motor listrik kini belum begitu marak digunakan dikarenakan kecenderungan waswas akan kehabisan baterai dan kesulitan mengatur pola pengisian daya lagi kesulitan dalam menemukan stasiun pengisian / penggantian baterai terdekat secara fast charging / battery swappig jika terjadi low battery (Setiawan et al., 2019).
Kendaraan listrik mempunyai efisiensi yang lebih tinggi dibandingkan kendaraan konvensional. Kendaraan listrik tidak membutuhkan bahan bakar minyak, tetapi membutuhkan energi listrik sebagai penggerak mesinnya. Sumber listrik yang digunakan oleh sepeda motor listrik, selain dapat bersumber dari energi fosil, juga dapat berasal dari sumber energi yang dapat diperbarui atau terbarukan, seperti sel surya, biomassa, angin, panas bumi dan air. Sumber energi hulu / terbarukan tersebut selanjutnya dapat diolah menjadi energi listrik yang kemudian bisa digunakan sebagai penggerak mesin sepeda motor listrik (Subekti et al., 2014).
Pada kendaraan listrik, baterai merupakan pasokan sumber energi utama yang berfungsi untuk menjalankan mesin sehingga motor listrik bisa bergerak dan menjadi sumber kelistrikan untuk sistem-sistem yang lain. Berbeda dengan kendaraan
konvensional saat ini, baterai hanya dipakai sebagai sumber energi sistem kelistrikan kendaraan. Kendala pada baterai akan berakibat pada kegagalan fungsi keseluruhan sistem kendaraan listrik. Kegagalan tersebut di antaranya bisa berupa baterai meledak, kerusakan operasional sistem, bahkan keselamatan pengendara.
Guna menghindari hal seperti itu, baterai hendaklah digunakan secara bijak dengan cara tertentu yang dapat mengoptimalkan pemakaian serta menjaga keamanan.
Secara umum, baterai yang digunakan dalam kendaraan listrik memiliki kapasitas dan tegangan yang relatif kecil. Dengan demikian, baterai tersebut dipaket dalam sebuah modul baterai. Sebuah kendaraan listrik memerlukan satu modul atau lebih sesuai dengan kebutuhan kendaraan. Sebuah sistem baterai biasanya terdiri atas banyak sel baterai. Pada kendaraan listrik, ada beberapa estimasi namun di antaranya adalah estimasi state of health (SOH) dan state of charge (SOC). SOH dan SOC tidak dapat diukur secara langsung sehingga diperlukan estimasi. Estimasi yang akurat akan memperpanjang usia pakai baterai. Selain itu juga menghindarkan baterai dari kerusakan (Setiawan et al., 2019).
SOH merupakan kuantisasi kinerja baterai. Akibat pemakaian dan bertambahnya jarak tempuh sepeda motor listrik, baterai akan mengalami proses degradasi kualitas. Hal tersebut menyebabkan parameter di dalam baterai akan mengalami perubahan dan menyebabkan penurunan kinerja. Salah satu parameter pada baterai yang berubah adalah resistansi internal baterai. Parameter lainnya adalah kapasitas baterai. Seiring dengan bertambahnya cycle life, kapasitas baterai mengalami penurunan, estimasi SOH membantu mengetahui kondisi baterai secara aktual setelah berulang kali charge-discharge. Estimasi SOH bisa
10
merekomendasikan saat yang tepat untuk mengganti baterai guna menjaga sistem pada kendaraan listrik tetap bekerja optimal. Estimasi SOC merupakan perkiraan kapasitas dalam bentuk rasio kapasitas aktual dengan kapasitas penuhnya.
Kapasitas baterai tidak bisa diukur secara langsung sehingga estimasi yang akurat menjadi hal yang wajib. Selain untuk mengetahui kapasitas baterai tersisa, SOC bisa digunakan untuk menghindarkan baterai dari overcharge ataupun overdischarge guna memperpanjang umur pakai. Dengan akurasi yang baik dan estimasi secara simultan, baterai akan lebih aman digunakan serta memiliki masa pakai yang lebih panjang (Setiawan et al., 2019).
2.2 Sepeda Motor Listrik
Sepeda motor listrik adalah kendaraan yang tidak menggunakan bahan bakar minyak. Kendaraan listrik digerakkan oleh dinamo dan akumulator. Seiring dengan adanya masalah kelangkaan BBM dan pemanasan global maka kini produsen kendaraan berlomba-lomba menciptakan kendaraan hibrida yang sebisa mungkin tidak menggunakan bahan bakar fosil sebagai sumber penggerak utama, dan sepeda motor listrik termasuk salah satunya. Sampai saat ini di Indonesia telah tersedia tipe sepeda motor listrik dengan keccpatan beraneka ragam, dilengkapi rem cakram, lampu sein, lampu penerangan dekat dan jauh, lampu rem juga klakson. Sepeda motor listrik adalah kendaraan tanpa bahan bakar minyak yang digerakkan oleh dinamo dan akumulator terbagi dalam dua jenis arus, yaitu DC maupun AC. dalam penggunaan secara massal di Indonesia, sepeda motor listrik yang beredar bertipe arus DC yakni arus bolak-balik. Dinamo di pasaran Indonesia, sudah menggunakan tipe brushless (tanpa sikat/kawat) seperti di luar negeri (Nurrahmat, 2010).
Cara kcrja sepeda motor listrik adalah sepeda motor listrik digerakkan oleh seperangkat baterai. Baterai tcrsebut merupakan jenis batere yang bisa diisi ulang.
Pengisian baterai ini bisa dilakukan untuk pengisian secara langsung menggunakan jaringan listrik rumah melalui battery charger. Baterai charger ini merubah tegangan listrik 220 V AC menjadi menjadi 12 Volt atau 24 Volt DC dengan arus listrik (ampere) yang discsuaikan dengan kapasitas baterai untuk menycrap aliran listrik dan menampungnya. Waktu pengisian berlangsung antara tiga jam sampi tujuh jam, sampai baterai terisi penuh dengan tenaga listrik. (Nurrahmat, 2010).
Sepeda motor listrik memberi informasi keterangan perkiraan biaya perjalanan yang dihabiskan dengan jarak 40 km hanya Rp.639. Perhitungan ini didapatkan dari penggunaan energi sebanyak 533 watt jam (Wh) yang mana bisa menempuh jarak 20 kilometer pada jalan datar. Sekarang tarif dasar listrik untuk 1 kWh mencapai Rp 600, sehingga beban biaya listrik yang dibutuhkan untuk jarak 40 kilometer itu hanya menghabiskan Rp 639. Sedangkan untuk menempuh jarak sepanjang 40 kilometer, sepeda motor konvensional diperkirakan membutuhkan bahan bakar minyak mencapai 1 liter. Maka dari itu, sepeda motor terbebani biaya pembelian bensin Rp 4.500 untuk jarak yang sama (Baskoro, 2009).
2.3 Sistem Pendukung Keputusan
Sistem Pendukung Keputusan yakni sistem informasi interaktif yang menyediakan pemodelan, informasi maupun pemanipulasian data. Sistem ini dapat digunakan untuk membantu pengambilan keputusan dalam kondisi yang semiterstruktur dan kondisi yang tidak terstruktur, yang mana tidak satupun orang tahu secara pasti bagaimana keputusan yang seharusnya dibuat (Kursini, 2005).
12
Sistem Pendukung Keputusan bisa didefinisikan sebagai “sistem interaktif berbasis komputer, yang membantu user yang ingin pengambil keputusan untuk menggunakan data dan berbagai model guna menemukan solusi untuk masalah yang tidak terstruktur”. Sistem Pendukung Keputusan dibangun untuk menunjang segala proses pembuatan keputusan yang diawali dari proses mengidentifikasi masalah, memilih data yang relevan dan valid, menentukan pendekatan yang diterapkan dalam tahap penentuan keputusan, sampai pada kegiatan mengevaluasi pemilihan alternatif. (Turban et al., 2005) memberikan deskripsi yang mencakup seluruh Sistem Pendukung Keputusan dari dasar sampai yang paling ideal. Turban dkk. mendeskripsikan tentang Sistem Pendukung Keputusan yang merupakan suatu pendekatan (metodologi) yang dapat mendukung pengambilan suatu keputusan.
Sistem Pendukung Keputusan menggunakan CBIS (computer based information system) yang interaktif fleksibel, dan dapat diadaptasi yang dikembangkan guna mendukung solusi untuk masalah manajemen spesifik yang tidak terstruktur.
Sistem pendukung keputusan adalah sebuah sistem yang merupakan cabang ilmu yang letaknya berada dalam sub disiplin sistem informasi (information system) dan sistem yang cerdas (artificial intellegent). Dalam proses pengambilan keputusan dari berbagai data alternatif maka dibutuhkanlah beberapa kriteria.
Setiap kriteria diharuskan bisa memberikan tanggapan atas satu pertanyaan penting mengenai seberapa efektif suatu alternatif dapat menemukan solusi atas suatu masalah yang dihadapi. (Ranius, 2015).
Sistem pendukung keputusan adalah suatu sistem informasi berbasis komputer yang dapat menghasilkan beragam alternatif keputusan guna membantu manajemen
dalam mengatasi aneka permasalahan baik yang terstruktur ataupun tidak tidak terstruktur dengan menggunakan data dan model. Tujuan dibangunnya sistem pendukung keputusan yaitu untuk mendukung / membantu pengambil keputusan dalam memilih alternatif hasil pengolahan informasi dengan berbagai model pengambil keputusan serta guna menyelesaikan maslah baik yang bersifat semi terstruktur maupun tidak terstruktur (Hariri & Fathurrahman, 2014).
Karakteristik atau ciri khas sistem pendukung keputusan (Kursini, 2005) adalah sebagai berikut:
a. Sistem pendukung keputusan memberikan support bagi pengambil keputusan (user) dalam kondisi terstruktur dan tidak terstruktur dengan memadukan pertimbangan hasil pengolahan data dari manusia dan komputasi.
b. Dukungan untuk segala jenis level manajerial. Mulai dari eksekutif puncak sampai dengan manajer kini.
c. Dukungan untuk individu maupun kelompok.
d. Pengguna akhir bisa mengembangkan ataupun memodifikasi sistem yang ada.
e. Mudah dioperasikan oleh user.
f. Model-model digunakan untuk menganalisis situasi pengambilan keputusan.
g. Kontrol yang dilakukan secara penuh oleh pengambil keputusan terhadap semua langkah yang diterapkan dalam pengambilan keputusan.
h. Peningkatan efektivitas dari pengambilan keputusan yang diutamakan daripada efisiensi.
i. Adaptivitas sepanjang waktu.
14
j. Dukungan di segala macam proses dan model yang bervariaso.
k. Dukungan di semua tahap proses pengambilan keputusan, yaitu intelligence, design, choice, dan implementation.
l. Dukungan untuk keputusan yang independen lagi sekuensial.
Adapun tujuan dari sistem pendukung keputusan (Kursini, 2005) adalah sebagai berikut:
a. Membantu manajer dalam kegiatan pengambilan keputusan mengenai masalah semi terstruktur.
b. Meningkatkan efektivitas keputusan yang dipilih manajer lebih daripada perbaikan efisiensinya.
c. Peningkatan produktivitas pendukung yang terkomputerisasi dapat mengurangi volume kelompok dan memungkinkan anggota-anggotanya untuk berasal dari berbagai tempat yang berbeda-beda.
2.4 Metode AHP-TOPSIS
2.4.1 AHP (Analytical Hierarchy Process)
Analytical Hierarchy Process (AHP) adalah salah satu dari sekian metode MCDM yang dapat menyelesaikan masalah yang tidak terstruktur, masalah yang kompleks dengan cara membuat hierarki fungsional. Model dukungan AHP bisa menggambarkan sisi 18 multi-faktor atau multi-kriteria ke dalam sebuah hierarki, hierarki dalam metodologi AHP dideskripsikan sebagai relevansi, kelemahan.
Dalam multi-tingkat struktur dimanapun tingkat primer yang merupakan tujuan diikuti dengan jumlah benda, kriteria, sub kriteria, dan seterusnya sampai tingkat alternatif yang terakakhir. Dengan hierarki, sisi negatif yang kompleks biasanya
diturunkan menjadi tim kemudian disusun kedalam tipe kelas sehingga masalahnya bisa terlihat lebih terstruktur dan sistematis (Thomas L, 1990).
Konsep dasar AHP (Analytical Hierarchy Proses) adalah teori pengukuran umum yang bisa digunakan untuk mengamati dimensi hubungan besaran, baik dari perbandingan berpasangan yang terpisah maupun kontinu. AHP mengatasi masalah multi-faktor atau multi-kriteria yang komplek menjadi hierarki, lalu hierarki diuraikan sebagai representasi dari kelemahan mewah selama struktur multi-level dimana level primer merupakan suatu tujuan, diikuti oleh dimensi hal-hal, kriteria, kemudian sampai ke level alternatif terakhir. Dengan mengguanakan hierarki, maka kelemahan yang besar dapat terisi menjadi sebuah bagian yang selanjutnya diatur menjadi gaya hierarki sehingga masalahnya bisa terpantau lebih struktural dan sistematis.
Metode ini sering digunakan untuk perbandingan dengan metode lainnya, karena memiliki alasan-alasan sebagai berikut:
a. Mempunyai struktur hierarki yang menjadi konsekuensi dari kriteria yang dipilih hingga pada subkriteria terbawah. Validasi yang dikalkulasikan sampai batas toleransi inkonsistensi beraneka kriteria dan alternatif yang dipilih oleh user / pengambil keputusan.
b. Memiliki daya tahan output analisis sensitivitas pengambilan keputusan sangat dipertimbangkan.
Adapun setiap metode pasti mempunyai kelebihan dan kekurangan, begitu juga dengan AHP, mempunyai kekurangan dalam sistem analisisnya. Sebagaimana dituturkan oleh Saaty (1990) AHP memiliki kelebihan sebagai berikut:
16
1. Kesatuan (Unity)
AHP memberikan solusi pada permasalahan uang luas (tidak terstruktur) menjadi suatu model yang fleksibel dan mudah difahami.
2. Kompleksitas (Complexity)
Metode AHP mampu memberikan solusi atas permasalahan yang rumit melalui pengintegrasian dan pendekatan sistem secara dedukatif.
3. Strruktur Hierarki (Hierarchy Structuring)
Metode AHP mewakili pemikiran alami yang begitu cenderung mengelompokan suatu bagian sistem ke berbagai level yang berbeda dari tiap- tiap level berisi elemen serupa.
4. Pengukuran (Measurement)
Metode AHP menawarkan skala pengukuran dan metode untuk mendapatkan prioritas yang terbaik.
5. Konsistensi (Consistency)
Metode AHP ini sangat memperhitungkan konsistensi yang logis dalam menentukan prioritas.
6. Sintesis (Synthesis)
Metode AHP mengaruh pada pemikiran umum / global mencakup seberapa penting / diinginkannya suatu alternatif.
7. Trade Off
Mempertimbangkan prioritas relative dari berbagai faktor pada sistem sehingga pengguna mampu memilih alternatif terbaik berdasarkan kehendak mereka.
8. Judgmenent and Consensus
Metode AHP mengombinasikan hasil dari perhitungan penilaian yang berbeda dan tidak mengharuskan adanya suatu consensus.
9. Pengulangan Proses
Mampu menjadikan pengguna mem-filter definisi dari problem dan memperkembangkan penilaian melalui tahap pengulangan.
Adapun kelemahan atau kekurangan yang dimiliki metode Analytical Hierarchy Process sebagaimana pendapat Saaty (1990) sebagai berikut:
a. Begitu bergantung pada masukan paling awal yang berupa persepsi ahli / pakar sehingga melibatkan adanya subyektivitas ahli. Sehingga model yang dibangun menjadi tidak berarti bahkan tidak berguna jika ahli memberikan penilaian yang salah.
b. Metode ini hanya merpakan metode matematis yang mengabaikan pengujian statistic sehingga tidak ada batas kepercayaan dari kebenaran model yang terbentuk.
Metode AHP dapat digunakan untuk mengambil suatu keputusan yang sangat efektif dari permasalahan yang rumit. Tahapan atau proses yang ada dalam metode Analytical Hierarchy Process adalah sebagai berikut:
1. Mendefinisikan masalah yang terjadi sekaligus menentukan solusi ideal yang diharapkan.
2. Membuat dan menyusun struktur Hierarki pada permasalahan.
Berikut adalah contoh struktur hirarki Metode AHP secara umum:
18
Gambar 2.1 Struktur Hierarki AHP
3. Menyusun matriks perbandingan berpasangan yang memvisualkan kontribusi relatif atau pengaruh setiap elemen / kriteria terhadap tujuan atau alternatif pilihan solusi.
Tabel 2.1 Penyusunan Matriks Berpasangan
Kriteria Kriteria-1 Kriteria-2 Kriteria-3 Kriteria-n
Kriteria-1 K11 K12 K13 K1n
Kriteria-2 K12 K22 K23 K2n
Kriteria-n Kn1 Kn2 Kn3 Kmn
4. Mendefinisikan perbandingan berpasangan sehingga diperoleh jumlah penilai yang dihitung seluruhnya berjumlaj 𝒏 𝒙[ (𝒏−𝟏)
𝟐 ] buah, 𝒏 adalah banyaknya perbandingan yang dibandingkan. Perbandingan berpasangan anatara masing- masing elemen dapat dinilai dengan skala yang bisa dilihat pada tabel 2.2.
Tabel 2.2 Nilai Matriks Perbandingan Berpasangan
Nilai Keterangan
1 Kriteria A sama penting dengan Kriteria B
3 A sedikit lebih penting daripada B
5 A lebih penting dari B
7 A sangat lebih penting dari B
Nilai Keterangan
9 A mutlak lebih penting dari B
2,4,6,8 Jika bimbang antara dua nilai yang saling berdekatan 5. Menghitung nilai eigen / bobot kriteria dan uji konsistensi
6. Mengulangi tahap 3 sampai 5 untuk semua tingkat hierarki
7. Menghitung vektor eigen dari setiap matriks perbandingan berpasangan kriteria yang mana nilai tersebut merupakan bobot setiap elemen untuk penentuan prioritas elemen-elemen pada tingkat hierarki terdasar hingga mencapai tujuan dengan cara menjumlahkan setiap kolom yang bersangkutan untuk memperoleh normalisasi matriks, menjumlahkan nilai-nilai setiap baris dan membaginya dengan jumlah elemen untuk mendapatkan rata-rata.
Apabila A adalah matriks perbandingan berpasangan, maka vector bobot yang terbentuk sebagai berikut:
(𝑨)(𝑾𝑻) = (𝒏)(𝑾𝑻)………. (2.1) Yang selanjutnya bisa didekati dengan cara:
a) Menormalilasikan setiap kolom j dalam matriks A hingga:
∑ 𝒂(𝒊, 𝒋) = 𝟏𝒊 ……….. (2.2) Inisiasi sebagai A’.
b) Menghitung nilai rata-rata masing-masing baris i pada A’:
𝑾𝒊 = 𝒊
𝒏 ∑ 𝒂(𝒊, 𝒋)𝒊 ……….. (2.3) Dengan adalah 𝑾𝒊 tujuan bobot ke-i dari vektor bobot.
8. Memaksa konsistensi hierarki
20
Apabila A adalah matriks perbandingan berpasangan antar kriteria dan W adalah vektor bobot, maka bisa didapatkan nilai konsistensi dari vector W dengan persamaan sebagai berikut:
a) Menghitung matriks A dan vektor bobot (𝑨)(𝑾𝒕):
𝒕 = 𝟏
𝒏 ∑ (𝒆𝒍𝒆𝒎𝒆𝒏 𝒌𝒆−𝒊 𝒑𝒂𝒅𝒂 (𝑨)(𝑾𝑻) 𝒆𝒍𝒆𝒎𝒆𝒏 𝒌𝒆−𝒊 𝒑𝒂𝒅𝒂 𝑾𝑻 )
𝒏𝒊𝒋 ………. (2.4)
b) Menghitung indeks konsistensi (CI) dengan persamaan:
𝑪𝑰 = 𝒕−𝒏
𝒏−𝟏 ………. (2.5)
c) Random indeks 𝑹𝑰𝒏 merupakan nilai rata-rata CI yang dipilih secara random seperti dapata dilihat pada tabel 2.3 dibawah ini:
Tabel 2.3 Nilai Random Indeks Matriks
Ordo
1 2 3 4 5 6 7 8 9 10
RI 0.00 0.00 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49
d) Menghitung rasio konsistensi
𝑪𝑹 = 𝑪𝑰
𝑹𝑰𝒏……….. (2.6)
Dimana:
- Jika 𝑪𝑰 = 𝟎 maka hierariki terbilang konsisten
- Jika 𝑪𝑹 ≤ 𝟎, 𝟏 maka hierarki terbilang cukup konsisten
- Jika 𝑪𝑹 ≥ 𝟎, 𝟏 maka hierarki terbilang tidak konsisten dan harus mengulang proses hingga mendapatkan 𝑪𝑹 kurang dari 𝟎, 𝟏 yang menandakan cukup konsisten.
2.4.2 TOPSIS
Metode TOPSIS merupakan metode yang diterapkan untuk pengambilan keputusan multikriteria dengan beberapa alternatif pilihan keputusan. Alternatif yang digunakan memiliki jarak kecil dari suatu solusi ideal positif dan jarak terbesar
dari solusi ideal negatif. TOPSIS akan mempertimbangkan kedua jarak tersebut (Muzakkir, 2017). Topsis akan menentukan pendekatan relative suatu alternatif dan merangking alternatif keputusan tersebut berdasarkan nilai relative terhadap solusi ideal.
Metode TOPSIS menggunakan nilai jarak antara dua titik (Euclidean) untuk menentukan kedekatan relatif dari sebuah alternatif. Titik tersebut merupakan antara solusi ideal positif yang didefinisikan sebagai nilai terbaik dan solusi negative yang didefinisikan sebagai nilai terburuk yang dicapai oleh suatu atribut (Wibowo & Nisa, 2020) . Metode ini juga bisa digunakan untuk mengukur kinerja relative dalam setiap alternatif dengan konsep yang sederhana. Selain itu, metode topsis juga merupakan metode efesien dengan kompuatasi yang baik (Samanlionglu et al., 2018).
Metode TOPSIS merupakan salah satu metode pengambilan keputusan yang pada mulanya diperkenalkan oleh Yoon dan Hwang (Fischer & Nijkamp, 1986).
Metode Topsis memiliki prinsip bahwa alternatif / solusi yang terbaik adalah alternatif / solusi mempunyai jarak terdekat dari nilai solusi ideal positif dan jarak terjauh dari nilai solusi ideal negatif dari sudut pandang geometris. Langkah- langkah metode topsis adalah sebagai berikut:
1. Mengidentifikasi kriteria sifat 2. Mengidentifikasi tingkat kecocokan
3. Menyusun matriks keputusan yang ternormalisasi
Topsis membutuhkan rating tingkat kinerja setiap alternatif 𝑨𝒊 pada setiap kriteria 𝑪𝒋 yang ternormalisasi:
22
𝒓𝒊𝒋= 𝒙𝒊𝒋
√∑𝒎𝒋=𝟏𝒙𝒊𝒋𝟐
……… (2.7)
Dengan nilai I = 1, 2, …, m; dan = 1, 2, …, n.
Dimana:
𝒓𝒊𝒋 = matriks ternormalisasi [i][j]
𝒙𝒊𝒋 = matriks keputusan [i][j]
Tiap matriks pada baris yang ada pada baris suatu alternatif dibagi dengan jumlah akar setiap kolom.
4. Menyusun Matriks keputusan ternormalisali terbobot yakni denngan perkalian antar nilai setiap elemen / matriks dengan bobot.
𝒀 = [
𝒘𝟏𝟏𝒓𝟏𝟏 ⋯ 𝒘𝟏𝒏𝒓𝟏𝒏
⋮ ⋱ ⋮
𝒘𝒎𝟏𝒓𝒎𝟏 ⋯ 𝒘𝒎𝒏𝒓𝒎𝒏]………. (2.8) 5. Menentukan matriks ideal positif dan ideal negatif
Jarak antara alternatif 𝑨𝒊 dengan solusi ideal positif, menggunakan persamaan sebagai berikut:
𝑫𝒊+ = √∑ (𝒚𝒏𝒋=𝒍 +− 𝒚𝒊𝒋……….. (2.9)
Jarak antara alternatif 𝑨𝒊 dengan solusi ideal negatif menggunakan persamaan sebagai berikut:
𝑫𝒊− = √∑ (𝒚𝒏𝒋=𝒍 𝒊𝒋− 𝒚𝒊−……… (2.10) Dimana:
i = 1, 2, …, m.
𝑫𝒊+ = jarak sebuah alternatif 𝑨𝒊 dengan solusi ideal positif 𝑫𝒊− = jarak sebuah alternatif 𝑨𝒊 dengan solusi ideal negatif 𝒚𝒊+ = solusi ideal positif 𝑨𝒊 [i]
𝒚𝒊− = solusi ideal negatif 𝑨𝒊 [i]
6. Menentukan nilai preferensi / tingkat pemilihan untuk setiap alternatif 𝒗𝒊= 𝑫𝒊−
𝑫𝒊−−𝑫𝒊+ ……… (2.11) Dimana:
𝒊 = 1, 2, ...., m
𝒗𝒊 = kedekatan setiap alternatif terhadap solusi ideal 𝑫𝒊+ = jarak alternatif 𝑨𝒊 dengan solusi ideal positif 𝑫𝒋− = jarak alternatif 𝑨𝒊 dengan solusi ideal negative
Nilai 𝒗𝒊 yang lebih besar menunjukkan bahwa alternatif 𝑨𝒊 lebih diprioritaskan.
2.5 Pengujian Sistem
Untuk mengetahui tingkat keberhasilan sistem yang dikembangkan pada penelitian ini, maka diperlukan adanya pengujian. Pengujian yang dilakukan adalah menghitung ketepatan output sistem untuk mengetahui seberapa akurat aplikasi yang telah dibangun dalam menciptakan output yang diinginkan user. Selain akurasi diperlukan juga untuk mengetahui nilai precision dan recall. Precision didefinisakan sebagai presentase ketepatan informasi yang diinginkan user dengan output jawaban / solusi alternatif yang diberikan oleh sistem. Recall didefinisikan sebagai presentase keberhasilan sebuah sistem dalam mendapatkan Kembali sebuah informasi yang relevan.
Pengujian terhadap sistem dilakukan mulai dari pengujian ke-1 hingga ke-n yang selanjutnya akan dievaluasi tingkat keberhasilannya. Dari setiap hasil pengujian dapat diperoleh nilai akurasi, precision dan recall untuk mengevaluasi kemampuan sistem. Adapun rumus akurasi, precision dan recall adalah sebagai berikut :
24
Akurasi = jml data benar
jumlah data uji100% ……….. (2.12)
25 BAB III
METODOLOGI PENELITIAN
3.1 Desain Sistem
Desain sistem adalah alur dan tahapan yang menunjukan cara kerja aplikasi yang ditampilkan dalam bentuk diagram. Peneliti mengusulkan desain sistem sebagaimana gambar 3.1 yang menunjukan diagram blok yang digunakan pada penelitian ini, yakni penerapan metode AHP (Analitylcal Hierarchy Process) untuk penentuan bobot dan TOPSIS (Technique for Others Reference by Similarity to Ideal Solution) untuk perangkingan.
Gambar 3.1 Blok diagram Sistem yang diusulkan
Hubungan Metode AHP dan Metode TOPSIS yang diterapkan pada sistem pendukung keputusan dapat diketahui bahwa sering kali Metode AHP digunakan dalam mendapatkan nilai pembobotan kriteria, karena metode AHP sangat
26
mengandalkan pemikiran seorang pakar atau ahli guna menentukan penilaian setiap kriteria dan alternatif yang akan digunakan, unsur objektifitas tetap diusahakan untuk tetap ada meskipun inisiasi nilai dilakukan oleh seorang pakar, dikarenakan di dalam metode AHP terdapat penilaian Consistency Ratio untuk menilai apakah penilaian seorang pakar dapat diterima dengan nilai Consistency Ratio, hal tersebut masih dapat diterima apabila digunakan dalam pemberian bobot untuk kriteria, namun hal tersebut sangat rawan jika digunakan untuk menilai sebuah alternatif, bagaimanapun unsur subjektifitas pasti akan terasa apabila hanya metode AHP yang digunakan untuk memilih atau menentukan prioritas alternatif terbaik. Maka dari itu diperlukan metode lain yang bisa dikombinasikan dengan metode AHP, salah satunya yaitu metode TOPSIS. Metode TOPSIS dipilih dikarenakan metode TOPSIS bisa menyelesaikan pengambilan keputusan secara efektif dan efisien, karena memiliki konsep yang sederhana dan mudah dipahami, kemampuan untuk mengukur kinerja relatif dari alternatif-alternatif keputusan serta memiliki komputasi yang efisien. Di samping itu metode TOPSIS mampu menangani perbedaan yang ada pada alternatif walaupun perbedaannya begitu kecil, dalam metode TOPSIS ada yang namanya aturan Cost (suatu kriteria yang semakin kecil nilainya maka semakin prioritas) dan Benefit (suatu kriteria yang semakin besar nilainya semakin bermanfaat) untuk menentukan masing-masing kriteria, dengan adanya kelebihan di atas maka kombinasi metode AHP dan metode TOPSIS bisa diterapkan dalam sistem pendukung keputusan.
3.2 Sumber Data Penelitian
Data yang digunakan pada penelitian yang dilakukan ini teerdiri dari 2 data yaitu data alternatif sebagai input pada sistem sistem pendukung keputusan pembelian sepeda motor listrik menggunakan Metode AHP-TOPSIS dan juga data alternatif atau solusi yang menjadi output yang disesuaikan dengan pilihan terbaik sesuai dengan kriteria yang dimasukan. Berikut adalah sumber data masing-masing data.
3.2.1 Alternatif
Data alternatif atau solusi yang dalam hal ini merupakan data motor listrik adalah data yang diambil langsung dari tiap website produsen motor listrik yang direkap pada Microsoft excel dan dimasukan ke database. Merk sepeda motor listrik dapat dilihat pada tabel 3.1:
Tabel 3.1 Tabel Merk Sepeda Motor Listrik
No Merk
1 Volta Indonesia
2 Smoot Tempur
3 Selis
4 Gesits Motors
5 Alfa Auto
6 United Motor
7 Ecgo Bike
8 Viar
3.2.2 Kriteria
Kriteria adalah suatu ukuran yang menjadi dasar atau patokan penilaian atau penetapan sesuatu, dalam hal ini adalah motor listrik. Motor listrik memiliki beberapa kriteria yang bisa dijadikan patokan dalam penentuan kualitas sebuah
28
sepeda motor listrik. Kriteria yang digunakan oleh sepeda motor listrik dapat dilihat pada table 3.2:
Tabel 3.2 Tabel Kriteria Sepeda Motor Listrik
No. Kriteria Satuan
1. Harga Rupiah
2. Daya angkut Kg
3. Daya motor Watt
4. Jenis baterai Jenis
5. Daya jelajah Km
6. Lama pengisisan baterai Jam
7. Kecepatan Km/jam
Setelah didapatkannya kriteria yang diperlukan maka dilakukanlah pembobotan pada tiap kriteria guna mendapatkan alternatif sepeda motor listrik yang diinginkan.
3.3 Pembobotan Kriterai Menggunakan AHP
Pembobotan kriteria menggunakan AHP dilaksanakan melalui beberapa alur yang dapat dilihat pada gambar 3.2.
Gambar 3.2 Flowchart Metode AHP
Adapun penjelasan untuk masing-masing alur dijelaskan pada sub bagian berikutnya.
Yes
No
30
3.3.1 Data kriteria
Data kriteria yang digunakan sebagaimana diutarakan pada sub bab 3.2.2 yang menjadi dasar penilaian sitem pendukung keputusan pembelian motor listrik.
3.3.2 Perhitungan Skala Prioritas Kriteria
Perhitungan skala prioritas / tingkat kepentingan pada tiap kriteria menerapkan metode supervised, yaitu memberikan kerangka logika khusus guna memberikan nilai prioritas atau tingkat kepentingan suatu kriteria.adapun nilai logika yang diberikan menggunakan skala angka 1 - 4 sebagai berikut:
Nilai 1: Menunjukan bahwa kriteria tersebut tidak terlalu penting Nilai 2: Menunjukan bahwa kriteria tersebut kurang penting Nilai 3: Menunjukan bahwa kriteria tersebut penting
Nilai 4: Menunjukan bahwa kriteria sangat penting
Dari nilai yang telah diberikan melalui survey kepada 50 responden yang dapat dilihat pada gambar 3.3.
Gambar 3.3 Hasil Survey Responden
yang kemudian dirangkum pada table 3.3 menghasilkan skala prioritas kriteria sebagai berikut:
Tabel 3.3 Tabel Hasil Survey Responden
Kriteria (C) K1 K2 K3 K4 K5 K6 K7
Tidak Penting (1) 7 30 12
Kurang Penting (2) 43 7 20 26 3
Penting (3) 27 9 5 12 15
Sangat Penting (4) 23 34 45 32
Hasil 3 2 4 1 4 2 4
Berdasarkan nilai skala prioritas yang didapatkan dari perhitungan jawaban responden maka bisa dibuat matriks perbandingan kriteria dengan mencari nilai Amxn.Nilai Amxn didapatkan dengan cara melakukan proses pengurangan antara nilai setiap baris dan kolom. Matriks perbandingan dihitung dengan persamaan Amxn
Amxn = m-n (3.1)
Keterangan :
Amxn = Nilai matriks pada baris ke m dan kolom ke n m = parameter baris
n = parameter kolom
Berdasarkan perhitungan menggunakan rumus Amxn berikut pada tabel 3.4 adalah nilai Matriks Perbandingan Amxn
Tabel 3.4 Tabel Matriks Perbandingan 𝐴𝑚𝑥𝑛
Kriteria (C) K1 K2 K3 K4 K5 K6 K7
K1 0 1 -1 2 -1 1 -1
32
K2 -1 0 -2 1 -2 0 -2
K3 1 2 0 3 0 2 0
K4 -2 -1 -3 0 -3 -1 -3
K5 1 2 0 3 0 2 0
K6 -1 0 -2 1 -2 0 -2
K7 1 2 0 3 0 2 0
Sebagai contoh nilai Amxn untuk A1x2 yakni nilai pada baris ke 1 & kolom ke 2 dengan mengurangkan nilai K1 dengan K2 (K1-K2) yang mana K1 adalah 3 dan nilai K2 adalah 2, sehingga didapatkan Amxn untuk A1x2 adalah bernilai 1 dari perhitungan 3-2.
3.3.3 Matriks Perbandingan Berpasangan
Tahap selanjutnya yaitu menentukan nilai matriks perbandingan berpasangan metode AHP. Matriks yang disusun merupakan hasil perbandingan secara berpasangan antar kriteria satu dengan lainnya yang menggambarkan pengaruh sebuah kriteria terhadap kriteria lain. Proses ini dilakukan dengan tujuan guna mengetahui nilai Consistency Ratio (CR) yang mana syarat nilai CR harus lebih kecil dari 0,1 (CR < 0,1). Jika nilai pembobotan lebih dri 0,1 maka nilai CR dinyatakan tidak konsisten. Matriks perbandingan berpasangan diasumsikan sebagai Bmxn yang nilai nya didapatkan dari konversi Amxn dengan logika sebagai berikut:
a. Apabila Amxn = 1 maka Bmxn = 3 b. Apabila Amxn = 2 maka Bmxn = 5 c. Apabila Amxn = 3 maka Bmxn = 7 d. Apabila Amxn = -1 maka Bmxn = 0.33 e. Apabila Amxn = -2 maka Bmxn = 0.2
f. Apabila Amxn = -3 maka Bmxn = 0.14 g. Apabila Amxn = 0 maka Bmxn = 1
Adapun hasil nilai mariks perbandingan berpasangan AHP berdasarkan matriks perbandingan berpasangan Amxn bisa dilihat pada tabel 3.5 dibawah ini:
Tabel 3.5 Tabel Matriks Perbandingan Berpasangan AHP
Kriteria (C) K1 K2 K3 K4 K5 K6 K7
K1 1,00 3,00 0,33 5,00 0,33 3,00 0,33 K2 0,33 1,00 0,20 3,00 0,20 1,00 0,20 K3 3,00 5,00 1,00 5,00 1,00 5,00 1,00 K4 0,20 0,33 0,14 1,00 0,14 0,33 0,14 K5 3,00 5,00 1,00 7,00 1,00 5,00 1,00 K6 0,33 1,00 0,20 3,00 0,20 1,00 0,20 K7 3,00 5,00 1,00 7,00 1,00 5,00 1,00 Jumlah 10,86 20,33 3,87 31,00 3,87 20,33 3,87 Sebagai contoh nilai Amxn untuk A1x2 yakni nilai pada baris ke 1 & kolom ke 2 dengan nilai 1 maka Bmxn adalah 3. Nilai Amxn untuk A1x3 yakni nilai pada baris ke 1 & kolom ke 3 dengan nilai -1 maka Bmxn adalah 0,33 dan seterusnya.
3.3.4 Normalisasi Matriks
Proses normalisasi matriks dilakukan dengan melakukan pembagian nilai pada setiap kolom dengan nilai yang telah didapatkan dari penjumlahan seluruh baris pada kriteria tersebut. Hasil normalisasi matriks berdasarkan skala perbandingan AHP sebelumnya ditampilkan pada tabel 3.6 sebegai berikut:
Tabel 3.6 Tabel Normalisasi Matriks
Kriteria (C) K1 K2 K3 K4 K5 K6 K7
K1 0,09 0,15 0,09 0,16 0,09 0,15 0,09 K2 0,03 0,05 0,05 0,10 0,05 0,05 0,05 K3 0,28 0,25 0,26 0,16 0,26 0,25 0,26 K4 0,02 0,02 0,04 0,03 0,04 0,02 0,04
